从公式到Excel!手把手教你搞定校准品均匀性的瓶间差异分析

大家好，我是诊断科学的刘博。

咱们聊过不确定度的合成、互换性的评估，今天，咱们要直面一个听起来很学术、做起来却很实在的硬核技能——如何用方差分析（ANOVA）来证明你的校准品“瓶和瓶之间是一样的”。

你是不是也有过这样的经历？指南里白纸黑字写着要做“均匀性评估”，你也知道要抽几瓶、测几次。但数据回来后，看着一堆数字，除了算个平均值和标准差，就不知道下一步该怎么走了。审评要求“提供瓶间均匀性研究及统计结果”，你只好把原始数据和几句描述性结论交上去，心里却没底。

我最初就是这样。我们做了10瓶，每瓶测3次，30个数据整整齐齐。

同事问我：“均匀性怎么样？”

我指着最大值和最小值说：“你看，差得不多，挺均匀的。”

直到被资深老师反问：“你这‘差得不多’是主观感觉，还是有统计证据？瓶间差异和瓶内测量误差比起来，谁更大？”

我当场语塞。

今天，我不再逃避那些公式。我要借助权威指南——《YY/T 1709-2020体外诊断试剂用校准物测量不确定度评定》，把附录A里那个完整的“均匀性评估”案例，掰开了、揉碎了，用最直白的语言和模拟数据，带你走完从原始数据到F值判定的每一步。

最后，我还为你准备了一个可以直接套用的Excel计算公式模板，让你彻底告别对公式的恐惧。

为什么要做方差分析？

首先，我们得搞清楚，为什么不能只用“最大值减最小值”或者“所有数据的标准差”来判断均匀性？

这是因为均匀性评估的目的是量化瓶间差异，并将其作为不确定度的一个分量。但我们的测量数据本身包含两种波动：

瓶间差异：我们真正关心的，是不同瓶子之间目标物浓度的真实差别。
瓶内测量误差：在同一瓶里重复测量，由于仪器、操作等原因产生的随机误差。

如果瓶间差异显著大于瓶内测量误差，说明瓶子确实不均匀；反之，如果瓶间差异和瓶内误差差不多甚至更小，那我们就认为瓶间是均匀的。

方差分析（ANOVA），就是帮我们把总的数据波动（方差）分解成“瓶间方差”和“瓶内方差”两部分，并进行比较的统计工具。它的核心输出——F值，就是“瓶间方差”与“瓶内方差”的比值，是我们做判断的客观依据。

实战演练

我们完全按照YY/T 1709附录A的案例来模拟。假设我们对一个校准品进行了均匀性研究：

抽取瓶子数(m)：10瓶
每瓶测量次数(n)：3次
总测量次数(N)：30次

以下是模拟的测量结果（单位：ng/mL），我们把它称为“数据集A”：

瓶号	测量1	测量2	测量3	瓶均值 (x̄_i)
1	100.2	100.5	100.0	100.23
2	99.8	100.1	99.9	99.93
3	100.4	100.3	100.6	100.43
4	100.1	99.9	100.2	100.07
5	99.7	99.5	99.8	99.67
6	100.3	100.6	100.4	100.43
7	100.0	100.2	99.8	100.00
8	99.9	100.0	100.1	100.00
9	100.5	100.7	100.4	100.53
10	99.6	99.8	99.7	99.70

第一步，我们要计算几个关键的“平均值”。

首先是每瓶的均值(x̄_i)，这个我们已经算好了，口填在最后一列。例如瓶1： (100.2 + 100.5 + 100.0) / 3 = 100.23。

然后是总均值(x̄)，这是所有30个数据的平均值，把所有30个数据相加，除以30，就可以得出。

当然，我们也可以把10个瓶均值相加，再除以10，(100.23 + 99.93 + … + 99.70) / 10 = 100.10。

所以，x̄ = 100.10 ng/mL。这是我们整个数据集的中心。

有了这些，我们就可以开始分解方差了。

分解方差

方差分析的关键是计算三个“离差平方和”（Sum of Squares, SS）。别怕，我们一步步来。

第二步，我们来计算总离差平方和(SS_T)，也就是总的波动情况，公式如下：

SS_T =Σ(x_ij - x̄)^2

公式中的x_ij是第i瓶的第j个测量值；x̄是总均值(100.10)。

这就是将每一个测量值（30个）减去总均值(100.10)，再把它们的差值平方，最后把30个平方值加起来。

这是一个体力活，但理解了就行。我们稍后用Excel公式解决，现在假设我们算得SS_T = 4.92。

第三步，我们来计算瓶间离差平方和(SS_between)，也就是瓶子之间的波动，公式如下：

SS_between = n × Σ(x̄_i - x̄)^2

式中，n是每瓶测量次数，这里是3次；x̄_i是第i瓶的瓶均值；x̄是总均值，也就是100.10。

所以，这个公式就是用每个瓶均值(总共10个)减去总均值(100.10)，然后把它们的差值开平方，在把这10个平方值加起来，最后乘以3。

我们可以看看下面这几个计算示例：

瓶1: (100.23 - 100.10)^2 = 0.0169
瓶2: (99.93 - 100.10)^2 = 0.0289

...以此类推，求和。

我们假设10个平方和为1.236，则SS_between = 3 × 1.236 = 3.708。

第四步，是计算瓶内离差平方和(SS_within)，也就是测量本身的随机误差，公式如下：

SS_within = SS_T - SS_between

其实就是用我们上面算出来的两个数相减，SS_within = 4.92 - 3.708 = 1.212。

到这里，我们成功把总波动（SS_T=4.92）分解成了两部分——瓶间波动（SS_between=3.708）和瓶内随机误差（SS_within=1.212）。

计算F值

有了平方和，我们就能计算方差（Mean Square, MS），并得到最终的F值，这就是第五步，计算均方（MS）。

瓶间均方MS_between = SS_between / (m - 1)

在这里，m是瓶子数10，所以自由度df_between = m - 1 = 9，所以MS_between = 3.708 / 9 = 0.412

瓶内均方MS_within = SS_within / (m × (n - 1))

总自由度df_within = m × (n - 1) = 10 ×(3 - 1) = 20，所以MS_within = 1.212 / 20 = 0.0606。

接下来，我们进行第六步，计算F值并查表判断。F值公式如下：

F = MS_between / MS_within

我们把前面的数据带入公式当中，F = 0.412 / 0.0606≈6.80

好，这个时候我们需要查F分布临界值表。给定显著性水平α（通常取0.05），以及两个自由度df1 = df_between = 9，df2 = df_within = 20。

查表可知，F临界值(0.05, 9, 20)≈2.39。

如果计算出的F值> F临界值，则拒绝“瓶间无差异”的原假设，认为瓶间不均匀。

而我们计算出的F值6.80 > 2.39，因此，在统计上，我们认为这10瓶校准品存在显著的瓶间差异，均匀性不合格。

看，这就是方差分析的威力。它没有依赖我们的主观感觉，而是用严格的数学计算告诉我们：“瓶间的差异，已经显著超过了测量本身的噪音，不均匀是真实存在的。”

计算CV

F值告诉我们“有没有”差异，而变异系数（CV）则告诉我们差异“有多大”，这对接下来的不确定度计算至关重要。这就是第七步，计算瓶间CV (CV_bb)和瓶内CV (CV_in)，公式如下：

瓶内标准差s_in = sqrt (MS_within) = sqrt (0.0606) ≈ 0.246

瓶内变异系数CV_in = (s_in / x̄) × 100% = (0.246 / 100.10) * 100%≈0.25%

这代表了你的测量方法本身的精密度。

这里需要小心。如果F检验显著（不均匀），瓶间标准差(s_bb)实际包含了真实差异和部分测量误差。所以，当需要把s_bb用于不确定度评估时，通常按下式计算：

s_bb^2 = (MS_between - MS_within) / n

s_bb^2 = (0.412 - 0.0606) / 3 ≈ 0.1171

s_bb = sqrt (0.1171) ≈ 0.342

瓶间变异系数CV_bb = (s_bb / x̄) × 100% = (0.342 / 100.10) × 100% ≈ 0.34%

这个0.34%就是将来要放入不确定度合成公式的均匀性分量。

Excel模板

我知道手动算一遍很痛苦。所以，我按照YY/T 1709的框架，为你准备了一个Excel计算模板的核心公式示意图。你只需要在黄色区域填入你的原始数据，绿色单元格会自动给出所有关键结果。

【Excel模板核心公式示意】

假设你的数据布局是：A列瓶号，B、C、D列是三次测量值。

1、计算瓶均值（E列）：E2 = AVERAGE(B2:D2)，下拉填充。

2、计算总均值：G1 = AVERAGE(B2:D11) (假设数据在2-11行)。

3、计算SS_T：G2 = DEVSQ(B2:D11) (DEVSQ函数直接计算所有数据与自身均值的平方和)。

4、计算SS_between：

先计算瓶均值与总均值差的平方和：H2 = SUM((E2:E11 - G1)^2)（此为数组公式，需按Ctrl+Shift+Enter）。
然后乘以n：G3 = H2 * 3。

5、计算SS_within：G4 = G2 - G3。

6、计算MS_between：G5 = G3 / (10-1)。

7、计算MS_within：G6 = G4 / (10*(3-1))。

8、计算F值：G7 = G5 / G6。

9、查F临界值：G8 = F.INV.RT(0.05, 9, 20)。

10、自动判决：G9 = IF(G7 > G8,“不均匀”,“均匀”)。

11、计算s_in和CV_in：G10 = SQRT(G6)，G11 = G10 / G1。

12、计算s_bb和CV_bb：G12 = SQRT((G5 - G6)/3)，G13 = G12 / G1。

你可以根据这个逻辑，轻松搭建出自己的自动化表格。

写在最后

均匀性评估不是“看感觉”，必须用单因素方差分析（ANOVA）提供统计证据。

核心逻辑是通过F检验，比较瓶间方差是否显著大于瓶内（测量）方差。

关键输出有两个，一个是F检验结论（均匀与否）；另一个是瓶间标准差s_bb或CV_bb（用于后续不确定度计算）。

彻底理解一遍计算过程后，用Excel模板将你从此类重复劳动中解放出来，把精力更多放在实验设计和结果分析上。

在追求计量准确的道路上，均匀性是第一道坚实的门槛。当你能够用清晰的数据和严谨的统计，证明你的产品从第一瓶到最后一瓶都保持一致时，你传递的不仅是一种品质，更是一份值得信赖的承诺。

好了，今天就聊到这，注册临床路漫漫，咱们下次再聊。